mmdetection框架使用

参考:https://github.com/open-mmlab/mmdetection/blob/master/docs/install.md
MMCV: https://mmcv.readthedocs.io/en/stable/index.html
配置要求:
• Linux (Windows is not officially supported)
• Python 3.5+ (Python 2 is not supported)
• PyTorch 1.1 or higher
• CUDA 9.0 or higher
• NCCL 2
• GCC(G++) 4.9 or higher
• mmcv
• OS: Ubuntu 16.04/18.04 and CentOS 7.2
• CUDA: 9.0/9.2/10.0
• NCCL: 2.1.15/2.2.13/2.3.7/2.4.2
GCC(G++): 4.9/5.3/5.4/7.3

1、安装虚拟环境
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
2、CUDA select注意:

  • If you have CUDA 10.1 installed under /usr/local/cuda and would like to install PyTorch 1.5, you need to install the prebuilt PyTorch with CUDA 10.1.
    conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
  • If you have CUDA 9.2 installed under /usr/local/cuda and would like to install PyTorch 1.3.1., you need to install the prebuilt PyTorch with CUDA 9.2.
    conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch

3、git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
4、pip install -r requirements/build.txt
pip install “git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI”
pip install -v -e . # or “python setup.py develop”

注意事项:
numpy不可过高,cocoapi会出错在1.18版本(参考blog

参考其他文章:

  • http://www.luyixian.cn/news_show_343927.aspx
  • https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
  • https://cloud.tencent.com/developer/article/1435484
  • 初级使用 https://zhuanlan.zhihu.com/p/101212969
  • https://zhuanlan.zhihu.com/p/101225733
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MMDetection 是一个基于 PyTorch 框架开发的开源目标检测工具箱,提供了多种目标检测模型的实现和训练/测试脚本。下面将对 MMDetection框架结构进行讲解。 MMDetection框架结构主要包含以下几个部分:数据处理、模型构建和训练/推理。 数据处理部分负责将输入的图像及其对应的标注信息进行预处理,包括图像的缩放、裁剪、归一化等操作,并根据标注信息生成模型所需的训练/测试数据。MMDetection 提供了一些常用的数据增强方式,如随机翻转、随机旋转等,以提高模型的鲁棒性。 模型构建部分是 MMDetection 的核心模块,包含了一系列目标检测模型的定义,如 Faster R-CNN、Mask R-CNN、RetinaNet 等。每个模型都由特征提取网络和目标检测头部组成。特征提取网络通常采用预训练的分类模型,如 ResNet、VGG 等,用于从原始图像中提取高级语义特征。目标检测头部负责将特征转化为目标检测的结果,如边界框坐标、类别概率等。 训练/推理部分负责训练模型或对新图像进行目标检测。在训练阶段,MMDetection 提供了多种优化器、损失函数和学习率调整策略,以及多卡并行训练的支持。在推理阶段,MMDetection 实现了多种测试时增强策略,如多尺度测试、多模型融合等,以提高模型的性能和鲁棒性。 总之,MMDetection 是一个功能强大的目标检测工具箱,通过清晰的框架结构和丰富的功能模块,提供了方便易用的目标检测实现和应用方案。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值